基于时频曲线提取和分类的滚动轴承故障诊断方法及装置制造方法及图纸

本发明专利技术公开了一种基于时频曲线提取和分类的时变工况复合故障诊断方法及装置；包括信号采集模块，用于通过加速度传感器检测和采集滚动轴承振动信号；信号预处理模块，用于对采集到的滚动轴承振动信号进行预处理；特征提取模块，用于对降噪后的振动信号提取故障特征；状态识别模块，用于将提取的故障特征进行故障匹配和识别，并输入训练好的模型，进行损伤程度识别；故障诊断及预警模块，用于提醒设备维护人员对设备做出相应处理。本发明专利技术能直观的反映设备的运行状况，及时向设备维护人员提供可靠的设备运行信息，有效地保证设备运行，从而降低设备故障停机时间，减少计划检修时间和非计划检修时间。计划检修时间。计划检修时间。

【技术实现步骤摘要】
基于时频曲线提取和分类的滚动轴承故障诊断方法及装置


[0001]本专利技术属于机械故障诊断
，具体涉及一种基于时频曲线提取和分类的时变工况滚动轴承复合故障诊断方法及装置。

技术介绍

[0002]旋转机械作为化工、石油、制造、航天等领域中不可或缺的运行装备，其应用场景日趋广泛。随着科学技术的飞速发展，现代工业生产方式发生着深刻变革，旋转机械的自动化、数字化、智能化水平不断提高，设备规模更加庞大、运行工况愈发复杂。
[0003]滚动轴承作为型旋转机械连接设备旋转部件和固定部件的关键零部件，在旋转机械运行中起着重要作用，其运行状态直接影响到整台设备的性能。一旦发生损伤型故障，尤其是产生多种故障耦合的复合故障，就极可能导致整个系统瘫痪，造成严重的危害。因此，开展轴承故障监测与诊断技术研究，及时发现识别设备故障特征、实现故障溯源与检测，有利于准确了解和把握轴承故障的产生和演变进程，对于了解轴承性能状态以及尽早发现潜在故障、保障设备安全稳定服役、避免出现突发事故及减少人力财力损失等方面起着至关重要的作用，是旋转机械故障诊断的关键，研究复杂工况本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于时频曲线提取和分类的时变工况滚动轴承复合故障诊断方法，其特征在于，包括以下步骤：S1：通过信号采集模块采集时变工况下滚动轴承复合故障振动信号；S2：通过预处理模块电路对采集到的振动信号进行小波阈值去噪，实现信号的降噪处理；S3：对降噪后的振动信号进行Hilbert包络解调和短时傅里叶变换变换，得到时频图像；S4：用基于快速路径优化的时频曲线提取算法提取得到的时频图像中的时频曲线；S5：采用构建的时频曲线分类准则对时频曲线进行分类；S6：将分类后的曲线与故障特征系数进行匹配，对匹配成功的故障进行损伤程度识别。2.根据权利要求1所述一种基于时频曲线提取和分类的时变工况滚动轴承复合故障诊断方法，其特征在于，所述S6中分类后的时频曲线若与故障特征系数相匹配，则预警模块提示该部位发生故障；若损伤评估结果超出阈值，则预警模块发出警报，由设备维护人员对设备维修处理。3.根据权利要求1所述一种基于快速路径优化的时频曲线提取和分类的时变工况滚动轴承复合故障诊断方法，其特征在于，所述时频曲线分类准则采用均值比和标准差。4.根据权利要求3所述一种基于时频曲线提取和分类的时变工况滚动轴承复合故障诊断方法，其特征在于，所述均值比为根据提取出待判断曲线的瞬时频率与瞬时故障特征频率(IFCF)或瞬时轴旋转频率(ISRF)的平均比率是否整数，即可初步判断他们之间是否属于谐波关系，即是否属于同一类曲线；首先应计算各曲线的频率平均值，然后取频率均值最小的曲线f
p
(τ
n
)_j作为基线，计算其他曲线与该基线的平均比R
a
，R
a
计算式如下：若平均比率与期望的整数倍数值之间的相对误差≤10％，则初步认为这两条曲线是否属于同一类。5.根据权利要求3所述一种基于时频曲线提取和分类的时变工况滚动轴承复合故障诊断方法，其特征在于，所述标准差比较第i条待分类曲线除以相应倍数之后的标准差与选...

【专利技术属性】
技术研发人员：王晓东，刘桂敏，马军，
申请(专利权)人：昆明理工大学，
类型：发明
国别省市：